全局平均池化(Global Average Pooling)是一种在深度学习中常用的池化技术,尤其在卷积神经网络(CNN)中。与传统的最大池化或平均池化不同,全局平均池化对整个特征图进行池化操作,从而将其空间维度缩减为1。这种池化方式不仅减少了模型的参数数量,还增强了模型的鲁棒性,因为全局平均池化能够自动学习特征之间的相对重要性。